[发明专利]尿沉渣中透明管型、病理管型以及粘液丝的识别方法

说明书

本发明尿沉渣中透明管型、病理管型以及粘液丝的识别方法，步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集；步骤2：训练集数据的预处理；步骤3：构建urine_8Net尿液有形成分识别网络；步骤4：设置所用的网络参数；步骤5：训练基于步骤3所述urine_8Net尿液有形成分识别模型；步骤6：利用步骤1、2得到的尿沉渣图像测试集对所得模型进行测试，得到测试集中管型成分的识别结果及总体准确率。本发明能够自动提取图像特征，对选取的尿液有形成分进行有效的细粒度识别，具有准确率高，识别速度快的特点，在临床中的尿沉渣识别检验有着广阔的应用前景。

技术领域

本发明属于医学图像处理领域，具体涉及一种尿沉渣中透明管型、病理管型以及粘液丝的识别方法。

背景技术

在临床上，尿沉渣检查是很常见的一个项目。尿沉渣是指对被检测人员采集到相关的尿液样本，进行离心沉淀后得到的有形成分。医生通过观察分析这些有形成分中的类别以及相关数量，从而可以判断该被检测人员的泌尿系统是否发生了相关病变。其中，管型是由蛋白质、细胞和细胞碎片等在肾小管内停留凝聚而成，在正常人尿液中不应该发现管型。根据管型其中的成分不同，可以分为透明管型、颗粒管型、蜡样管型、上皮管型、红细胞管型和白细胞管型。其中透明管型在正常人的尿液中可偶见，也可以见于发热、剧烈运动以及麻醉以后。除此之外，管型则更多见于肾脏本身的疾病，比如各种肾小球肾炎、肾盂肾炎、肾病等。特别是尿中发现蜡样管型，则说明肾小管有严重的变性坏死，往往多见于重症肾实质性的疾病。由此可见，针对尿沉渣中的管型成分进行自动识别与分类，对于减轻医生负担、提早发现肾脏相关情况以及提高临床检测效率有着重要作用。

在本发明中，把管型类成分分为两种，为透明管型和病理管型。由于管型细胞易与粘液丝成分、类管型成分混淆，故本发明提出方法尝试解决该问题。

传统的尿沉渣中管型类成分的检测方法主要是人工镜检，采集到的尿液成分，经过离心后移除上清液，将尿沉渣置于标准化载玻片上，使用明视野或相差显微镜在低倍镜(×10)和高倍镜(×40)下观察至少10个视野。依靠医生的专业知识，加上人力去计算出来尿沉渣中管型成分的数量。该方法需要专业的知识以及大量的人力，已经满足不了目前快速增长的临床检测需求。虽然目前市场上出现了一些尿沉渣检测仪，但由于其成本较高，且采取的技术、算法等对于管型的识别效果不好，所以这种技术也没有完全普及开来。

近些年深度学习方法在图像分类与识别领域取得了较大的成就，经典的Alexnet网络、vgg-16网络和Resnet网络等在图像分类方面有着广泛的应用。注意力机制作为一种针对特征的操作思想，在分类识别领域也有着广泛的应用。在尿沉渣识别分类领域中引入这些思想，针对其中难以识别的管型类成分进行精准分类，可以取得较好的分类结果。

通过对比选择，本发明的基础网络结构选择了vgg-16网络，在此基础上针对管型类成分的特点进行设计改进，得到了最终的网络结构。该网络结构参数量较少，网络结构简单，训练较快，并且在测试集上取得了85％以上的分类准确率，同时其识别速度达到了每秒170张。本发明提出的网络模型，被命名为urine_8Net(针对尿沉渣的8层卷积网络)，能较好地提取尿液中管型类成分图像的特征，并利用提取到的特征进行准确分类，同时识别速度快，对于实际的临床应用有着很大的帮助。

发明内容

本发明的目的在于提供一种基于vgg-16网络模型和融合注意力机制的尿液有形成分识别方法，并将本发明用到的网络结构命名为urine_8Net，网络主要是对其中的管型类成分进行精确分类识别，避免了与其他成分的混淆，有效提高了管型类成分的识别效果。

一种基于融合注意力机制的尿沉渣中透明管型、病理管型以及粘液丝的识别方法，包括以下步骤：

步骤1：收集分割后的尿液有形成分显微图片，按比例随机划分为训练集和测试集。

采集到的尿液有形成分显微镜图片，需要先对图像中的尿液有形成分进行分割，然后标注。